，可以通过以下方法获得学习器模型的参数列表和当前取值：estimator.get_params() skl ...

　　本文结合sklearn中的特征选择的方法，讲解相关方法函数及参数的含义。 1. 移除低方差特征 　　方差越大的特征，可以认为是对目标变量越有影响的特征，是我们需要研究的特征。可以利用 VarianceThreshold，移除方差不满足一定阈值的特征。 　　class ...

train_test_split是sklearn中用于划分数据集，即将原始数据集划分成测试集和训练集两部分的函数。 1. 其函数源代码是： 2. 参数 train_size：训练集大小 　　float：0-1之间，表示训练集所占的比例 　　int：直接指定训练 ...

1.SVM简介 　　SVM方法建立在统计学VC维和结构风险最小化原则上，既可以用于分类（二/多分类）、也可用于回归和异常值检测。SVM具有良好的鲁棒性，对未知数据拥有很强的泛化能力，特别是在数据量较少的情况下，相较其他传统机器学习算法具有更优的性能。　 　　使用SVM作为模型时，通常采用如下流 ...

引自https://blog.csdn.net/wishchin/article/details/47948779 回归分析是建模和分析数据的重要工具。本文解释了回归分析的内涵及其优势，重点总结了 ...

进行参数的选择是一个重要的步骤。在机器学习当中需要我们手动输入的参数叫做超参数，其余的参数需要依靠数据来进行训练，不需要我们手动设定。进行超参数选择的过程叫做调参。 进行调参应该有一下准备条件： 一个学习器 一个参数空间 一个从参数空间当中寻找参数的方法 一个交叉验证的规则 ...

sklearn中的算法可以分为如下几部分 分类算法 回归算法 聚类算法 降维算法 模型优化 文本预处理 其中分类算法和回归算法又叫做监督学习，聚类算法和降维算法又叫做非监督学习。 1.分类算法 KNN算法 from ...

Methods apply(X) Apply trees in the forest to X, return leaf indic ...